Toppen! Nu Àr du prenumerant pÄ Warp News
HÀrligt! Genomför ditt köp i kassan för full tillgÄng till Warp News
Varmt vÀlkommen tillbaka! Du Àr nu inloggad.
Tack! Kolla din inkorg för att aktivera ditt konto.
Klart! Din faktureringsinformation Àr nu uppdaterad.
Uppdateringen av faktureringsinformationen misslyckades.
🔬 En algoritm kan förutspĂ„ vem som kan fĂ„ tuberkulos och dĂ€rmed rĂ€dda miljoner liv

🔬 En algoritm kan förutspĂ„ vem som kan fĂ„ tuberkulos och dĂ€rmed rĂ€dda miljoner liv

Forskare har skapat en algoritm som ska hjÀlpa lÀkare sÀtta in behandling redan innan sjukdomen brutit ut.

Kent Olofsson
Kent Olofsson

Tio miljoner mÀnniskor insjuknade i tuberkulos i fjol och 1,4 miljoner mÀnniskor dog av sjukdomen. Men nu finns det hopp om att de siffrorna ska kunna sjunka i framtiden. Ett forskarlag frÄn University College London har nÀmligen skapat en algoritm som kan förutsÀga hur stor risk en person har att drabbas av tuberkulos.

Forskarna samlade in patientdata frÄn 80 000 mÀnniskor och matade in informationen i en algoritm de utvecklat. Algoritmen ligger sedan till grund för ett test som kan avgöra vilka som löper den största risken att bli sjuka i tuberkulos.

PoÀngen med det Àr att lÀkarna dÄ skulle kunna sÀtta in en behandling redan innan patienterna blivit sjuka. Det gÄr att ha en latent infektion som inte ger nÄgra symptom. Genom att identifiera de som har latenta infektioner gÄr det att hindra sjukdomen frÄn att bryta ut.

– Om vi kan identifiera de mĂ€nniskor som löper den största risken att bli sjuka i tuberkulos sĂ„ kan vi behandla deras infektion med en preventiv antibiotikakur innan de blir sjuka, sĂ€ger Rishi Gupta forskare vid University College London och huvudförfattare av artikeln, som beskriver metoden i en kommentar till The Guardian.

Det finns redan tester som kan förutsÀga om nÄgon kommer att fÄ tuberkulos, men de lÀmnar en del i övrigt att önska. Den nya metoden ska ge bÀttre resultat nÀr det gÀller att hitta de som Àr i riskzonen.

– Det hĂ€r verktyget Ă€r viktigt eftersom det ger oss möjlighet att ge en förebyggande behandling till de som har mest nytta av det samtidigt som vi undviker att ge onödiga behandlingar till de som har en vĂ€ldigt lĂ„g risk att drabbas. Det hĂ€r tar oss ytterligare ett steg till att bli mer precisa i vĂ„ra bedömningar, sĂ€ger professor Ibrahim Abubakar vid University College London

Verktyget Àr speciellt viktigt i omrÄden dÀr tuberkulos Àr ovanligt. Det kan till exempel röra sig om platser i vÀstvÀrlden dÀr tuberkulos varit utrotat lÀnge, men dÀr utlandsresenÀrer eller personer som flyttat in frÄn tuberkulosdrabbade omrÄden tar med sig sjukdomen.

– Om en person pĂ„ landsbygden i Norfolk har tappat vikt och dras med hosta sĂ„ misstĂ€nker knappast en allmĂ€nlĂ€kare dĂ€r att det rör sig om tuberkulos eftersom de inte haft ett sĂ„dant fall under hela sin karriĂ€r, sĂ€ger Ibrahim Abubakar.

Algoritmen fungerar bÀst i omrÄden dÀr tuberkulos inte Àr vÀldigt vanligt. Förhoppningen Àr dÀrför att den först ska fÄ ner antalet sjuka för att i förlÀngningen fÄ ner sjuktalen sÄ mycket att den kan anvÀndas för att utrota tuberkulos i omrÄde efter omrÄde.

LÀs hela studien hÀr.

📝 FĂ„ en dos faktabaserad optimism varje vecka.

Bli en del av över 15 000 optimistiska, framtidsinriktade prenumeranter som vill att framtiden kommer snabbare.